不同叶面积指数反演方法比较研究

以PROSAIL模型模拟数据和地面实测数据为基础,分别分析了土壤背景、冠层反射率非各向同性以及随机噪声等因素对几类代表性反演方法的影响(植被指数法、二阶微分法、模型反演法以及方向性二阶微分法)。结果表明在不同条件下,各类反演方法的反演精度差别较大。植被指数NDVI对几种因素的滤除能力都较差,反演精度最低;模型反演精度高于植被指数方法,但会受到土壤背景的影响;二阶微分方法虽然能部分消除土壤背景的影响,但受冠层反射率非各向同性的限制。文中提出的方向性二阶微分法能较好地消除土壤背景和冠层反射率非各向同性的影响,反演精度较前者有所提高,但二阶微分方法易受噪声影响。     

森林叶面积指数遥感研究进展

介绍了叶面积指数(LAI)的不同定义,论述了LAI遥感定量估算的经验模型和物理模型.分析了森林LAI遥感定量反演和LAI多尺度问题的国内外研究进展.针对目前的研究进展和存在问题,就森林LAI遥感定量反演的研究趋势和方向进行了展望.     

不同叶面积指数反演方法比较研究

以PROSAIL模型模拟数据和地面实测数据为基础,分别分析了土壤背景、冠层反射率非各向同性以及随机噪声等因素对几类代表性反演方法的影响（植被指数法、二阶微分法、模型反演法以及方向性二阶微分法）。结果表明在不同条件下,各类反演方法的反演精度差别较大。植被指数NDVI对几种因素的滤除能力都较差,反演精度最低;模型反演精度高于植被指数方法,但会受到土壤背景的影响;二阶微分方法虽然能部分消除土壤背景的影响,但受冠层反射率非各向同性的限制。文中提出的方向性二阶微分法能较好地消除土壤背景和冠层反射率非各向同性的影响,反演精度较前者有所提高,但二阶微分方法易受噪声影响。     

智能手机App与数字半球摄影测量叶面积指数对比研究

基于自主开发的智能手机App（LAISmart）对针阔混交林、阔叶林和农作物3种植被类型的叶面积指数（leaf area index, LAI）进行测量,并以数字半球摄影（digital hemispherical photography,DHP）的测量结果作为参考值进行对比分析．结果表明,虽然LAISmart与DHP的LAI值总体上具有高度一致性（R2=0.95,RMSE=0.68）,但是,LAISmart的性能受到植被叶片密集程度的影响．研究发现:LAI>3.9时,LAISmart的测量结果会明显低于DHP的测量结果;智能手机成像传感器的自动曝光模式,是引起LAISmart在测量LAI高值区域估值偏低的重要影响因素;当对LAI高值区域的LAISmart图像进行降低曝光度处理后,LAISmart和DHP的测量结果偏差得到进一步降低,且LAISmart测量结果的精度可以提高49%左右．此外,LAISmart的较窄视场角几乎不会对其测量结果产生影响,若能在调节智能手机曝光度的条件下使用LAISmart,则具有更高效率和更低成本优势的LAISmart可以成为替代DHP的有效方法．      

用CASI遥感数据估计横跨美国俄勒冈州针叶林叶面积指数

使用三类模型技术,对小型航空光谱制图成像仪(CASI)数据被用作估计针叶林叶面积指数(LAI)的潜力进行研究。三类技术为:单变量回归,多变量回归和植被指数(VI)基础的LAI估计模型。沿横跨美国俄勒冈州的各植被区选择四个研究立地,分别测定和收集LAI数据和CASI图像数据。CASI数据经校准后,研究其与LAI测定值的关系。结果说明二种成像方式的CASI数据对于LAI估计具有相似的效率。与其它两种技术比,逐步回归方法导致较高的LAI预测精度。在单变量回归和VI基础法中使用NDVI,比起其它形式的CASI数据能产生较好的效果。     

扬花期冬小麦叶面积指数高光谱遥感反演研究

利用扬花期冬小麦实测冠层高光谱数据与同步叶面积指数(LAI)数据,分析350～1 000 nm波段范围内冠层反射率与LAI之间的相关性,分别在蓝波段、红波段、绿波段及近红外波段选取光谱特征波段,并用其计算6种被广泛应用于植被LAI反演的植被指数.通过相关分析、回归分析等统计方法,构建扬花期冬小麦LAI反演模型并进行真实性检验.研究结果表明,6种植被指数与冬小麦LAI均具有显著相关性,其中NDGI和EVI反演模型效果较好,拟合方程决定系数R~2均高于0. 6,分别为0. 634和0. 623.最后通过精度验证,得出结论:EVI反演模型R~2最高,为0. 779,故选取EVI为自变量的二次模型为扬花期冬小麦LAI最佳反演模型.研究可为作物长势监测及产量估算等提供一定的理论依据.     

基于高分四号卫星的北京市城区森林叶面积指数反演

为分析太阳多角度的光谱信息在反演森林LAI中的应用潜力,本文基于高分卫星数据构建七种常用的植被指数,并添加纹理信息,对北京市开展区域LAI反演研究.采用随机森林和线性回归,通过提取不同太阳角度的高分卫星数据的植被指数以及影像纹理均值,与实测数据建立回归模型反演叶面积指数,R2和RMSE作为指标对模型进行精度评价.与以往...     

由冠层孔隙度反演植被叶面积指数的算法比较

植被的叶面积指数（LAI）是植被最重要的生态参数之一,也是估算多种植被冠层功能过程的关键参数迄今已提出的LAI的获取方法可归纳为直接测定和间接估算两大类．本文以河北省黄骅市为研究区,从遥感光学模型建立机理及数量分析的角度,对由植被冠层孔隙度反演植被LAI的4种间接估算方法进行了试验和比较．研究结果表明,LAI与植被盖度之间呈明显的正相关关系,即随着LAI的增大,植被盖度也在增大．在这4种估算方法中,LAI-2000算法最适用于研究区植被LAI的估算．     

远程叶面积指数半球图像采集系统

为低成本远程获取植被冠层半球图像信息,从而得到叶面积指数这一重要的生态学参数,提出了一种远程叶面积指数半球图像采集系统.该系统采用嵌入式平台、低成本图像传感器与鱼眼镜头组成的现场节点获取植被冠层半球图像.冠层半球图像采集时节点还对环境日光辐照及温湿度进行实时监测,以便剔除无效数据及进行节点维护.上位机与现场节点间利用3G网络进行交互.上位机对获取的冠层图像使用像素校准与超分辨率技术提高图像质量,从而抑制由于鱼眼成像畸变与图像辨析度不足而在叶面积指数计算中引入的误差.测试结果表明,该系统可有效地对植被冠层图像进行低成本远距离采集,并得到误差较小的叶面积指数计算结果.     

基于GF-1号卫星WFV数据反演玉米叶面积指数

叶面积指数(Leaf Area Index, LAI)是描述作物生长状况的重要生理生态参数之一.该文以河南封丘县玉米为研究对象,利用中国高分辨率对地观测系统的首发星——高分一号(GF-1)WFV数据,计算4种常用的植被指数,包括归一化植被指数(normalized difference vegetation index,NDVI)、比值植被指数(simple ratio,SR)、土壤调节植被指数(soil-adjusted vegetation index,SAVI) 和修正的土壤调节植被指数(modified soil-adjusted vegetation index,MSAVI).结合地面同步实测的玉米LAI数据,建立各植被指数与实测LAI的统计回归模型.结果表明：研究区玉米LAI和4种植被指数之间均有较强的相关性,其中,MSAVI-LAI的指数模型相关系数达到了0.842 6,LAI反演精度最高.使用独立的野外观测数据对模型进行验证,平均相对误差为4.85%,均方根误差(root mean square error, RMSE)仅为0.183,表明该文建立的LAI经验统计模型具有较高的精度,利用GF-1 WFV 影像可以快速、准确地监测河南封丘玉米LAI,GF-1影像用于LAI等地表参量遥感定量反演具有巨大的潜力.2014年8月中旬,封丘大部分地区玉米LAI大于4,玉米长势较好.该研究结果可为利用经验统计模型反演河南玉米LAI提供参考.     

叶面积指数遥感反演方法进展

叶面积指数（LAI）是描述植被冠层结构的关键参数,而模型反演法是提取LAI的潜在有效方法．论文综述了植被冠层辐射传输模型和辐射传输模型遥感反演LAI方法的理论发展,详述了植被冠层辐射传输模型和LAI反演的发展历程．通过逐步的理论扩展,进而引出目前学者广泛关注的LAI提取同化算法,为遥感观测提取LAI或其它参数提供了理论参考．     

基于数字摄影与计算机图形技术的植物叶面积测量方法

通过计算数字摄影中每个像素点代表的真实面积和图像所占有的像素数量，可以计算出图像的面积。基于此原理，提供了利用数码相机快速获得植物叶片图像并准确测定叶面积的新方法。该方法适用于对多种植物叶面积进行活体或采摘后的精确测量，尤其适于大量叶面积的测量工作。利用该方法测量具有速度快、数据准确、精度高的特点。     

濒危植物南方红豆杉的叶面积测定及其相关分析

采用方格法和数字图像处理方法测定了濒危植物南方红豆杉[Taxus chinensis var.mairei(Lemèe&Lèvi.)Cheng et L.K.Fu]的叶面积,并对其叶片的特征指数、叶形指数、比叶面积、叶面积指数进行了相关分析.结果表明,方格法和数字图像处理方法所测得的叶面积差异不显著(P>0.05);不同方位叶片的平均叶形指数和幼叶(7.11)高于老叶(5.65),雌株(7.22)高于雄株(7.00);在同一植株中,平均叶形指数上层最大(雌7.30、雄7.58),下层(雌7.06、雄6.59)次之,中层(雌7.29、雄6.85)最小.平均比叶面积雌株(上层1 850.5,中层1 980.5,下层2336.8)高于雄株(上层1 161.5,中层1 407.8,下层1 865.3);在同一植株中,下层的比叶面积高于上层.上、下层平均叶面积指数雄株(上层0.733 8,下层0.750 1)略高于雌株(上层0.733 4,下层0.740 6);在同一植株中,叶面积指数下层高于上层,北面(雌0.758 5、雄0.758 2)高于南面(雌0.730 4、雄0.725 8).     

羊草叶面积测量方法的比较

对羊草叶面积测量方法进行了比较和讨论 .结果表明 ,对叶片进行照相、扫描 ,然后用计算机计算的方法是一种适于测量植物群落和种群的叶面积指数 ,方便快捷、值得推广的方法     

蔬菜叶片面积性状的相关性研究

蔬菜叶片实际叶面积与叶片本身的长×宽、长与宽之间有密切关系,叶片长与宽之间亦有密切关系。本文主要讨论了蔬菜叶片面积性状的相关性并得出结论:1)叶片长×宽、长、宽与实际叶面积都极相关,其中均以长×宽与实际叶面积之间的相关系数最大,长度和宽度何者与实际叶面积的相关系数较大因不同供试蔬菜而异。2)供试蔬菜叶片的长度和宽度之间也极相关,其相关程度亦因不同供试蔬菜而异。3)依据相关性建立了相应的线性回归方程。     

冬小麦典型多参量冠层高光谱反演的光谱指标敏感性研究

高光谱遥感反演作物参量多集中在单一参量研究上,缺乏多参量综合反演研究。因此,面向多参量反演,需要对传感器参数的有效设置,以及同一指标对不同参量的适宜程度进行综合研究。以冬小麦为例,通过实测冠层光谱反射率和LAI、叶绿素、氮素含量数据,分析了中心波长、波段宽度、信噪比等指标的变化对各参量定量模型的影响,及光谱指标对LAI、叶绿素和氮素定量模型反演的敏感性和有效性,以及对冬小麦典型参量高光谱遥感反演的光谱指标进行了综合性分析。结果表明:反演冬小麦LAI的最佳植被指数为DVI(R~2=0.457,RMSE=0.614%),对应的最佳指标为:中心波长为768 nm和732 nm,波段宽度在5 nm以内,信噪比大于70 d B;反演冬小麦叶绿素的最佳植被指数为MSR(R2=0.554,RMSE=0.548%),对应的最佳指标为:中心波长为768 nm和736 nm,波段宽度在5 nm以内,信噪比大于70 d B;反演冬小麦氮素的最佳植被指数为NDVI_(g_b)(R~2=0.733,RMSE=0.600%),对应的最佳指标为:中心波长为500 nm和454 nm,波段宽度为5 nm以内,信噪比大于70d B。植被指数SAVI在一定波段范围内可同时反演LAI、叶绿素和氮素;MSAVI、DVI、RDVI和NDVI均可在一定波段范围内同时反演LAI和叶绿素含量,而反演LAI和氮素含量的适宜波段以及反演叶绿素和氮素的适宜波段存在差异。利用高光谱植被指数可实现作物参量的有效反演,且作物参量的定量反演对不同的光谱指标,即中心波长、波段宽度和信噪比具有较强的敏感性。     

甘草叶面积的估测方法

通过对不同形状甘草单叶面积的测定与分析,拟合了不同形状单叶面积的简单线性回归方程或非线性回归方程,从拟舍的结果中可以看到,叶面积对叶长乘以叶宽的简单线性回归方程的效果最佳。     

三种金线莲叶面积回归方程的建立

以三种金线莲的成熟叶片为材料,分别测量叶面积,叶长和叶宽。运用Excel软件对测量值进行统计处理,运用SPSS19.0统计软件对测量数据进行回归分析,建立了估算金线莲叶面积的一元、二元和三元回归方程。该研究结果为金线莲叶面积的快速、准确的测定提供了一个科学有效的方法,在金线莲科学研究和生产实践中有较好的应用价值。